00477570465IE03S11077012Clase Semana14parte2

DISTRIBUCIONES DE PROBABILIDAD
Programación para Ingeniería
Mg. Ing. Jesús Martín Bravo Suclupe
Universidad Tecnológica de Lima Sur – UNTELS 2021. Todos los derechos

reservados 04RG-2021-UNTELS-V.ACAD
PROGRAMACIÓN PARA INGENIERÍA
DISTRIBUCIONES DE PROBABILIDAD
Distribución Alias
Ingeniería Electrónica y Telecomunicaciones
Distribución binomial binom

Distribución de Poisson pois
Distribución normal norm
Distribución exponencial exp
Distribución t de Student t
Distribución \( \chi^2 \) chisq
Distribución F f
Fuente: https://rpubs.com/joser/distribuciones
PREFIJOS
Para cada distribución, hay 4 funciones relacionadas:
• La función de distribución \( F(x) = \mathbb{P}(X\leq x) \).

• La función cuantílica \( F^{-1}(p) \) que da el percentil \( p \) (es decir, si \( F^{-1}(p)=x \),

entonces \( \mathbb{P}(X\leq x)=p \).)
• La función de densidad o de probabilidad, dependiendo de si la distribución es continua o
discreta.
• Generador de números aleatorios.
Los comandos para estas funciones se nombran anteponiendo un prefijo al alias de la distribución.
Los prefijos son:
Funciones Prefijos
Función de distribución p
Función cuantílica q
Función de densidad (continuas) o de probabilidad (discretas) d
Generación de números aleatorios r
PREFIJOS
Por ejemplo, dexp(x) es la función de densidad de una distribución exponencial de media 1
mientras que rbinom(100, 1, 0.5) genera 100 números aleatorios con distribución \( B(1,0.5) \).
Veamos algunos ejemplos en los que aparecen estos comandos:
curve(dexp(x), from = 0, to = 10) # Representa la densidad de una exponencial de media 1

entre 0 y 10
x <- rbinom(20, 1, 0.5) # Genera 20 observaciones con distribución B(1,0.5)

x
table(x) # Calcula las fecuencias absolutas de los valores generados
PREFIJOS
> curve(dexp(x), from = 0, to = 10)

> x <- rbinom(20, 1, 0.5)
>x
[1] 0 0 1 1 1 0 0 1 1 1 0 1 0 0 1 0 0 1 1 1
> table(x)
x
0 1
9 11
DISTRIBUCIÓN NORMAL
Si \( X \) es una v.a. con distribución normal de media 3 y desviación típica 0,5, la probabilidad de que \( X
\) sea menor que 3,5 se calcula mediante
> pnorm(3.5, mean = 3, sd = 0.5)

[1] 0.8413
Para encontrar el cuantil 0.7 de una v.a. normal estándar \( Z \), es decir, un valor \( x \) tal que \(
\mathbb{P}(Z\leq x) = 0.7 \)):
> qnorm(0.7)
[1] 0.5244
Para calcular el mismo cuantil, pero para una v.a. normal de media 0 y desviación típica 0,5:
> qnorm(0.7, sd = 0.5)
[1] 0.2622
El valor \( z_\alpha \) que aparece en muchas de las fórmulas para intervalos y contrastes se obtiene con el
comando qnorm(1-alfa). Algunos ejemplos:
> qnorm(0.975) # z_0.025

[1] 1.959964
> qnorm(0.95) # z_0.05
[1] 1.644854
> qnorm(0.99) # z_0.01
[1] 2.326348
Para generar una muestra de tamaño 100 de una población normal de media 10 y desviación típica 1 (y
guardarla en un vector x):
> x <- rnorm(100, mean = 10, sd = 1)
>x
[1] 10.270489 9.342568 9.742820 10.793621 11.787485 9.420786 10.473976
[8] 10.906662 10.867441 7.378624 9.943060 9.493377 9.604790 10.648327
[15] 9.746262 10.121922 10.249346 9.063545 9.231311 9.877223 10.008458
[22] 10.510142 11.154903 11.550844 10.559776 8.766899 10.827492 10.348586
[29] 10.329171 9.100435 9.559118 11.155556 11.681381 8.033603 9.028267
[36] 9.756002 10.097906 8.793969 9.548453 10.059939 9.515441 9.766785
[43] 10.839446 7.482272 9.934896 8.411591 11.024177 9.809864 9.238214
[50] 7.724927 10.224613 11.210016 8.227661 10.004223 9.688808 10.737474
[57] 9.584559 8.467993 9.593726 9.595595 11.496037 9.731835 9.570179
[64] 10.398195 9.242805 8.897972 12.204371 10.764432 10.606277 10.379252
[71] 9.631444 9.061559 10.671584 10.711841 10.539844 10.792887 10.614750
[78] 7.597788 8.788836 9.943384 8.196605 9.082060 10.548065 9.187169
[85] 10.119665 9.408041 8.778162 9.017981 10.800107 8.123404 8.726689
[92] 9.665232 11.388700 9.596151 11.767084 11.874796 10.513654 10.943831
[99] 9.839900 8.873339
> mean(x)
[1] 9.890127
> sd(x)
[1] 1.02405
> hist(x)
> boxplot(x)
> hist(x, freq = FALSE) # freq = FALSE para que el área del hist. sea 1
> curve(dnorm(x, mean = 10, sd = 1), from = 7, to = 13, add = TRUE)
EJERCICIO
1. Generar un conjunto de 50 números aleatorios, considerando una media

igual a 50 y desviación estándar igual a 0.5.

Almacenarlo en una estructura llamada x.
Luego calcular su media y desviación estándar del conjunto x.
Graficar el histograma de x.
EJERCICIO
2. Obtener un modelo de regresión lineal en base a 5 mediciones

efectuadas. Para ello deberá construir un archivo csv, pudiendo emplear

datos como valor del euro en el tiempo (por días), número de habitantes de
un país por año, entre otros.
REFERENCIAS
https://rpubs.com/
DATOS DE CONTACTO
Mg. Ing. Jesús Martín Bravo Suclupe jbravo@untels.edu.pe
Universidad Tecnológica de Lima Sur – UNTELS 2021. Todos los derechos

reservados 04RG-2021-UNTELS-V.ACAD

00477570465IE03S11077012Clase Semana14parte2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

00477570465IE03S11077012Clase Semana14parte2

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIONES DE PROBABILIDAD

Programación para Ingeniería

Mg. Ing. Jesús Martín Bravo Suclupe

Universidad Tecnológica de Lima Sur – UNTELS 2021. Todos los derechos

Distribución binomial binom

• La función de distribución \( F(x) = \mathbb{P}(X\leq x) \).

• La función cuantílica \( F^{-1}(p) \) que da el percentil \( p \) (es decir, si \( F^{-1}(p)=x \),

Veamos algunos ejemplos en los que aparecen estos comandos:

curve(dexp(x), from = 0, to = 10) # Representa la densidad de una exponencial de media 1

x <- rbinom(20, 1, 0.5) # Genera 20 observaciones con distribución B(1,0.5)

table(x) # Calcula las fecuencias absolutas de los valores generados

> curve(dexp(x), from = 0, to = 10)

> pnorm(3.5, mean = 3, sd = 0.5)

> qnorm(0.975) # z_0.025

1. Generar un conjunto de 50 números aleatorios, considerando una media

igual a 50 y desviación estándar igual a 0.5.

2. Obtener un modelo de regresión lineal en base a 5 mediciones

efectuadas. Para ello deberá construir un archivo csv, pudiendo emplear

Universidad Tecnológica de Lima Sur – UNTELS 2021. Todos los derechos

También podría gustarte